物联网节点故障检测方法、装置、存储介质及计算机设备制造方法及图纸

一种物联网节点故障检测方法、装置、存储介质及计算机设备，该方法包括：获取一网络中的多个目标物联网节点采集的目标无线数据；在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。本方法借助深度迁移学习模型充分利用邻近节点的标签数据，实现对物联网节点无标签无线数据进行故障诊断。

Fault detection methods, devices, storage media and computer equipment of IOT nodes

【技术实现步骤摘要】
物联网节点故障检测方法、装置、存储介质及计算机设备
本专利技术涉及云计算
，特别是涉及一种物联网节点故障检测方法、装置、存储介质及计算机设备。
技术介绍
随着智能物联网应用的快速发展，多样的智能服务和严格的性能要求使得基于雾计算或边缘计算的无线网络正在成为支撑智能物联网的重要架构。在云数据中心的强大计算能力于边缘节点的本地计算和存储能力结合下，网络所承担的不同质量的服务压力可以得到有效缓解。与此同时，复杂的网络结构和功能也使得网络维护变得更加困难。为了解决这个问题，数据挖掘方法或者人工智能方法已经被广泛用来进行网络的故障检测、诊断与恢复工作。然而，对人工智能方法来说，无论是监督学习方法还是非监督学习方法都需要巨大的标签数据来进行建模，且需要大量专家知识，对大规模网络来说为每一个无线节点从无到有建立故障诊断模型需要巨大的开销。此外，对物联网节点来说，考虑到节点重部署以及节能的优化策略，部分节点会存在数据量不足以及数据过期等问题。这种数据从数据量上来说无法建立起有效模型，从数据有效性上来说数据的分布不同不适合用来训练，因此，针对该类数据无法利用故障诊断模型进行故障检测。
技术实现思路
鉴于上述状况，有必要针对现有技术中针对网络中数据量不足以及数据过期的节点无法建立有效的故障诊断模型和进行故障检测的问题，提供一种物联网节点故障检测方法、装置、存储介质及计算机设备。一种物联网节点故障检测方法，包括：获取一网络中的多个目标物联网节点采集的目标无线数据，所述目标无线数据为所述目标物联网采集物联网节点采集与之建立连接的物联网设备的无线数据；在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。进一步的，上述物联网节点故障检测方法，其中，在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据的步骤包括：在预存的数据诊断库中搜索与所述目标物联网节点处于同一网络的物联网节点；对搜索到的物联网节点的标签数据进行聚类分析，以确定与所述目标物联网节点的无线数据分布类似的物联网节点，从而确定所述目标物联网节点邻近的物联网节点及其标签数据。进一步的，上述物联网节点故障检测方法，其中，所述跟据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到故障诊断模型的步骤包括：将所述目标域数据划分为训练数据和测试数据；根据所述源域数据和所述训练数据训练所述深度迁移学习模型，并根据所述测试数据对训练好的所述深度迁移学习模型进行测试；当训练好的所述深度迁移学习模型测试合格时，则确定训练好的所述深度迁移学习模型为故障诊断模型。进一步的，上述物联网节点故障检测方法，其中，所述利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断的步骤之后还包括：将所述故障诊断结果存储至数据诊断库中，并上传至可视化平台。进一步的，上述物联网节点故障检测方法，其中，所述无线数据包括信干噪比、参考信号接收功率、吞吐量、误帧率。本专利技术实施例还提供了一种物联网节点故障检测装置，包括：获取模块，用于获取一网络中的多个目标物联网节点采集的目标无线数据，所述目标无线数据为所述目标物联网采集物联网节点采集与之建立连接的物联网设备的无线数据；搜索模块，用于在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；模型建立模块，用于建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；诊断模块，用于利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。进一步的，上述物联网节点故障检测装置，其中，所述搜索模块具体用于：在预存的数据诊断库中搜索与所述目标物联网节点处于同一网络的物联网节点；对搜索到的物联网节点的标签数据进行聚类分析，以确定与所述目标物联网节点的无线数据分布类似的物联网节点，从而确定所述目标物联网节点邻近的物联网节点及其标签数据。进一步的，上述物联网节点故障检测装置，其中，所述模型建立模块具体用于：将所述目标域数据划分为训练数据和测试数据；根据所述源域数据和所述训练数据训练所述深度迁移学习模型，并根据所述测试数据对训练好的所述深度迁移学习模型进行测试；当训练好的所述深度迁移学习模型测试合格时，则确定训练好的所述深度迁移学习模型为故障诊断模型。本专利技术还提供了一种存储介质，其上存储有程序，所述程序被处理器执行时实现上述任一所述的方法。本专利技术实施例还提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现上述任意一项所述的方法。本专利技术是一种基于深度迁移学习的物联网节点故障诊断方法，采用该方法除了针对网络中目标节点有状态标签的无线数据进行检测外，更重要的是还可针对目标节点的无标签无线数据进行检测。本方法借助深度迁移学习模型充分利用邻近节点的标签数据，实现对物联网节点无标签无线数据进行故障诊断，完成故障的分类。本方法可以有效解决物联网节点因无历史故障数据而无法建立机器学习模型的问题，同时可以减少因对每个节点收集足够故障数据来建立模型而消耗的时间以及对专家知识的依赖。附图说明图1为本专利技术第一实施例中物联网节点故障检测方法的流程图；图2为本专利技术第二实施例中物联网节点故障检测方法的流程图；图3为本专利技术第三实施例中物联网节点故障检测装置的结构框图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。参照下面的描述和附图，将清楚本专利技术的实施例的这些和其他方面。在这些描述和附图中，具体公开了本专利技术的实施例中的一些特定实施方式，来表示实施本专利技术的实施例的原理的一些方式，但是应当理解，本专利技术的实施例的范围不受此限制。相反，本专利技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。请参阅图1，为本专利技术第一实施例中的物联网节点故障检测方法，包括步骤S11～S14。本专利技术实施例中的网络故障节点检测方法基于深度迁移学习建立起的故障诊断模型来进行网络节点的检测。步骤S11，获取一网络中的多个目标物联网节点采集的目标无线数据，所述本文档来自技高网...

【技术保护点】
1.一种物联网节点故障检测方法，其特征在于，包括：/n获取一网络中的多个目标物联网节点采集的目标无线数据，所述目标无线数据为所述目标物联网采集物联网节点采集与之建立连接的物联网设备的无线数据；/n在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；/n建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；/n利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。/n

【技术特征摘要】
1.一种物联网节点故障检测方法，其特征在于，包括：
获取一网络中的多个目标物联网节点采集的目标无线数据，所述目标无线数据为所述目标物联网采集物联网节点采集与之建立连接的物联网设备的无线数据；
在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据，并将搜索到的标签数据标记为源域数据，同时将所述目标无线数据标记为目标域数据，所述标签数据为标记有状态标签的无线数据；
建立深度迁移学习模型，并根据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到物联网节点故障诊断模型；
利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断。


2.如权利要求1所述的物联网节点故障检测方法，其特征在于，在预存的数据诊断库中搜索每个所述目标物联网节点邻近的物联网节点的标签数据的步骤包括：
在预存的数据诊断库中搜索与所述目标物联网节点处于同一网络的物联网节点；
对搜索到的物联网节点的标签数据进行聚类分析，以确定与所述目标物联网节点的无线数据分布类似的物联网节点，从而确定所述目标物联网节点邻近的物联网节点及其标签数据。


3.如权利要求1所述的物联网节点故障检测方法，其特征在于，所述跟据所述源域数据和所述目标域数据训练所述深度迁移学习模型，以得到故障诊断模型的步骤包括：
将所述目标域数据划分为训练数据和测试数据；
根据所述源域数据和所述训练数据训练所述深度迁移学习模型，并根据所述测试数据对训练好的所述深度迁移学习模型进行测试；
当训练好的所述深度迁移学习模型测试合格时，则确定训练好的所述深度迁移学习模型为故障诊断模型。


4.如权利要求1所述的物联网节点故障检测方法，其特征在于，所述利用所述故障诊断模型对所述网络中的物联网节点进行故障诊断的步骤之后还包括：
将所述故障诊断结果存储至数据诊断库中，并上传至可视化平台。


5.如权利要求1所述的物联网节点故障检测方法，其特征在于，所述无线数...

【专利技术属性】
技术研发人员：闫实，武文斌，彭木根，
申请(专利权)人：赣江新区智慧物联研究院有限公司，
类型：发明
国别省市：江西;36